baby mynah：在 9 种英语口音之间变形的小小 TTS 鸟

baby mynah 是一个为 Hugging Face Build Small Hackathon 做的小型 TTS 演示：基于 VoxCPM-0.5B，为每种英语口音训练一个 LoRA 专家，再通过权重空间插值，让声音在两种口音之间平滑“变形”。用作者的话说，这是一只陷入身份危机的小鸟。

一只认不准口音的八哥

八哥（mynah）是大自然里的模仿高手，收集声音就像别的鸟收集树枝。这只雏鸟听过九种英语口音（英格兰、印度、美国、苏格兰、南非、新西兰、威尔士、爱尔兰、北爱尔兰，全部来自 VCTK 的真实人声），却一直选不出一种。

给她一句台词，给左右两只“耳朵”各选一个声音，然后用滑块让她在两者之间滑动。

基座模型：OpenBMB 的 VoxCPM-0.5B：一个无 tokenizer 的 TTS 模型。加载的参数总量约 0.73B（652M 基座 + 75M 音频 VAE），刻意做得很小。
每种口音一个 LoRA 专家，各自在单个 VCTK 说话人的数据上微调，每人约 8 分钟朗读语音。
变形滑块做的是权重空间手术，不是音频交叉淡化。对每个目标层，把两个专家的有效增量按 W = W_base + s·[α·(B_a@A_a) + (1−α)·(B_b@A_b)] 混合，渲染时打补丁到基座权重上，渲染完再恢复。α=1 时完全是其中一种口音，α=0 时完全是另一种，中间每个值都是一个从未存在过的声音。
渲染用的随机种子由文本和口音对决定（不含 α），所以拖动滑块只改变口音混合，不会改变随机的演绎方式。

她只会说英语，变的是口音，不是语言。她不给任何口音排名，也不纠正谁；每一种声音都是完整的身份，她只是挨个试穿。